Data-Science-For-Beginners/translations/uk

Основи науки про дані - Навчальна програма

Azure Cloud Advocates у Microsoft раді представити 10-тижневу навчальну програму з 20 уроків, присвячену науці про дані. Кожен урок включає тести перед і після заняття, письмові інструкції для виконання завдання, рішення та домашнє завдання. Наш підхід, заснований на проектах, дозволяє навчатися через створення, що є перевіреним способом закріплення нових навичок.

Щиро дякуємо нашим авторам: Jasmine Greenaway, Dmitry Soshnikov, Nitya Narasimhan, Jalen McGee, Jen Looper, Maud Levy, Tiffany Souterre, Christopher Harrison.

🙏 Особлива подяка 🙏 нашим Microsoft Student Ambassador авторам, рецензентам і контент-співробітникам, зокрема Aaryan Arora, Aditya Garg, Alondra Sanchez, Ankita Singh, Anupam Mishra, Arpita Das, ChhailBihari Dubey, Dibri Nsofor, Dishita Bhasin, Majd Safi, Max Blum, Miguel Correa, Mohamma Iftekher (Iftu) Ebne Jalal, Nawrin Tabassum, Raymond Wangsa Putra, Rohit Yadav, Samridhi Sharma, Sanya Sinha, Sheena Narula, Tauqeer Ahmad, Yogendrasingh Pawar, Vidushi Gupta, Jasleen Sondhi

Наука про дані для початківців - Скетч від @nitya

🌐 Підтримка багатомовності

Підтримується через GitHub Action (Автоматично та завжди актуально)

French | Spanish | German | Russian | Arabic | Persian (Farsi) | Urdu | Chinese (Simplified) | Chinese (Traditional, Macau) | Chinese (Traditional, Hong Kong) | Chinese (Traditional, Taiwan) | Japanese | Korean | Hindi | Bengali | Marathi | Nepali | Punjabi (Gurmukhi) | Portuguese (Portugal) | Portuguese (Brazil) | Italian | Polish | Turkish | Greek | Thai | Swedish | Danish | Norwegian | Finnish | Dutch | Hebrew | Vietnamese | Indonesian | Malay | Tagalog (Filipino) | Swahili | Hungarian | Czech | Slovak | Romanian | Bulgarian | Serbian (Cyrillic) | Croatian | Slovenian | Ukrainian | Burmese (Myanmar)

Якщо ви хочете додати додаткові переклади, список підтримуваних мов доступний тут

Приєднуйтесь до нашої спільноти

У нас триває серія навчання з AI у Discord, дізнайтеся більше та приєднуйтесь до нас на Learn with AI Series з 18 по 30 вересня 2025 року. Ви отримаєте поради та хитрощі використання GitHub Copilot для науки про дані.

Ви студент?

Розпочніть з наступних ресурсів:

• Сторінка Student Hub На цій сторінці ви знайдете ресурси для початківців, студентські пакети та навіть способи отримати безкоштовний сертифікат. Це сторінка, яку варто додати в закладки та перевіряти час від часу, оскільки ми змінюємо контент щонайменше щомісяця.
• Microsoft Learn Student Ambassadors Приєднуйтесь до глобальної спільноти студентів-амбасадорів, це може бути вашим шляхом до Microsoft.

Початок роботи

Для абсолютних початківців: Новачок у науці про дані? Почніть з наших прикладів для початківців! Ці прості, добре прокоментовані приклади допоможуть вам зрозуміти основи перед тим, як перейти до повної навчальної програми.

Вчителі: ми додали кілька пропозицій щодо використання цієї навчальної програми. Ми будемо раді вашим відгукам у нашому форумі обговорень!

Студенти: щоб використовувати цю навчальну програму самостійно, зробіть форк усього репозиторію та виконуйте вправи самостійно, починаючи з тесту перед лекцією. Потім прочитайте лекцію та виконайте решту завдань. Спробуйте створювати проекти, розуміючи уроки, а не копіюючи код рішення; однак цей код доступний у папках /solutions у кожному проектно-орієнтованому уроці. Ще одна ідея — створити навчальну групу з друзями та проходити контент разом. Для подальшого навчання ми рекомендуємо Microsoft Learn.

Знайомтесь із командою

Gif створено Mohit Jaisal

🎥 Натисніть на зображення вище, щоб переглянути відео про проект і людей, які його створили!

Педагогіка

Ми обрали два педагогічні принципи при створенні цієї навчальної програми: забезпечення її проектно-орієнтованості та включення частих тестів. До кінця цієї серії студенти вивчать основні принципи науки про дані, включаючи етичні концепції, підготовку даних, різні способи роботи з даними, візуалізацію даних, аналіз даних, реальні приклади використання науки про дані тощо.

Крім того, тест перед заняттям з низьким рівнем стресу налаштовує студента на вивчення теми, а другий тест після заняття забезпечує подальше закріплення матеріалу. Ця навчальна програма була розроблена як гнучка та цікава і може бути пройдена повністю або частково. Проекти починаються з простих і стають дедалі складнішими до кінця 10-тижневого циклу.

Знайдіть наш Кодекс поведінки, Рекомендації щодо внесення змін, Рекомендації щодо перекладу. Ми вітаємо ваші конструктивні відгуки!

Кожен урок включає:

• Необов’язковий скетч
• Необов’язкове додаткове відео
• Тест для розігріву перед уроком
• Письмовий урок
• Для проектно-орієнтованих уроків — покрокові інструкції щодо створення проекту
• Перевірка знань
• Виклик
• Додаткове читання
• Домашнє завдання
• Тест після уроку

Примітка щодо вікторин: Усі вікторини знаходяться в папці Quiz-App, всього 40 вікторин по три запитання кожна. Вони пов’язані з уроками, але додаток для вікторин можна запускати локально або розгортати в Azure; дотримуйтесь інструкцій у папці quiz-app. Вікторини поступово локалізуються.

🎓 Приклади для початківців

Новачок у Data Science? Ми створили спеціальну директорію прикладів з простим, добре прокоментованим кодом, щоб допомогти вам розпочати:

• 🌟 Hello World - Ваш перший програмний проєкт у сфері Data Science
• 📂 Завантаження даних - Навчіться читати та досліджувати набори даних
• 📊 Простий аналіз - Розрахунок статистики та пошук закономірностей
• 📈 Базова візуалізація - Створення діаграм і графіків
• 🔬 Реальний проєкт - Повний робочий процес від початку до кінця

Кожен приклад містить детальні коментарі, які пояснюють кожен крок, що робить їх ідеальними для абсолютних новачків!

👉 Почніть з прикладів 👈

Уроки

Data Science для початківців: Дорожня карта - Скетчноут від @nitya

Номер уроку	Тема	Групування уроків	Навчальні цілі	Посилання на урок	Автор
01	Визначення Data Science	Вступ	Вивчіть основні концепції Data Science та його зв’язок зі штучним інтелектом, машинним навчанням і великими даними.	урок відео	Dmitry
02	Етика в Data Science	Вступ	Концепції етики даних, виклики та рамки.	урок	Nitya
03	Визначення даних	Вступ	Як класифікуються дані та їхні загальні джерела.	урок	Jasmine
04	Вступ до статистики та ймовірності	Вступ	Математичні методи ймовірності та статистики для розуміння даних.	урок відео	Dmitry
05	Робота з реляційними даними	Робота з даними	Вступ до реляційних даних і основи дослідження та аналізу реляційних даних за допомогою мови SQL (вимовляється як "сі-квел").	урок	Christopher
06	Робота з NoSQL даними	Робота з даними	Вступ до нереляційних даних, їх різновидів і основи дослідження та аналізу документних баз даних.	урок	Jasmine
07	Робота з Python	Робота з даними	Основи використання Python для дослідження даних із бібліотеками, такими як Pandas. Рекомендується базове розуміння програмування на Python.	урок відео	Dmitry
08	Підготовка даних	Робота з даними	Теми щодо методів очищення та трансформації даних для вирішення проблем із відсутніми, неточними або неповними даними.	урок	Jasmine
09	Візуалізація кількісних даних	Візуалізація даних	Навчіться використовувати Matplotlib для візуалізації даних про птахів 🦆	урок	Jen
10	Візуалізація розподілу даних	Візуалізація даних	Візуалізація спостережень і тенденцій у межах інтервалу.	урок	Jen
11	Візуалізація пропорцій	Візуалізація даних	Візуалізація дискретних і групових відсотків.	урок	Jen
12	Візуалізація взаємозв’язків	Візуалізація даних	Візуалізація зв’язків і кореляцій між наборами даних і їх змінними.	урок	Jen
13	Значущі візуалізації	Візуалізація даних	Методи та рекомендації щодо створення візуалізацій, які є цінними для ефективного вирішення проблем і отримання інсайтів.	урок	Jen
14	Вступ до життєвого циклу Data Science	Життєвий цикл	Вступ до життєвого циклу Data Science та його першого етапу — отримання та вилучення даних.	урок	Jasmine
15	Аналіз	Життєвий цикл	Ця фаза життєвого циклу Data Science зосереджена на методах аналізу даних.	урок	Jasmine
16	Комунікація	Життєвий цикл	Ця фаза життєвого циклу Data Science зосереджена на представленні інсайтів із даних у спосіб, який полегшує розуміння для осіб, що приймають рішення.	урок	Jalen
17	Data Science у хмарі	Хмарні дані	Ця серія уроків знайомить із Data Science у хмарі та його перевагами.	урок	Tiffany та Maud
18	Data Science у хмарі	Хмарні дані	Навчання моделей за допомогою інструментів Low Code.	урок	Tiffany та Maud
19	Data Science у хмарі	Хмарні дані	Розгортання моделей за допомогою Azure Machine Learning Studio.	урок	Tiffany та Maud
20	Data Science у реальному світі	У реальному світі	Проєкти, керовані Data Science, у реальному світі.	урок	Nitya

GitHub Codespaces

Дотримуйтесь цих кроків, щоб відкрити цей приклад у Codespace:

1. Натисніть на випадаюче меню Code і виберіть опцію Open with Codespaces.
2. Виберіть + New codespace внизу панелі. Для отримання додаткової інформації перегляньте документацію GitHub.

VSCode Remote - Containers

Дотримуйтесь цих кроків, щоб відкрити цей репозиторій у контейнері за допомогою вашого локального комп’ютера та VSCode, використовуючи розширення VS Code Remote - Containers:

1. Якщо ви вперше використовуєте контейнер для розробки, переконайтеся, що ваша система відповідає вимогам (наприклад, встановлено Docker), зазначеним у документації для початку роботи.

Щоб використовувати цей репозиторій, ви можете або відкрити його в ізольованому томі Docker:

Примітка: У процесі це використовуватиме команду Remote-Containers: Clone Repository in Container Volume... для клонування вихідного коду в том Docker замість локальної файлової системи. Томи є рекомендованим механізмом для збереження даних контейнера.

Або відкрийте локально клоновану або завантажену версію репозиторію:

• Клонуйте цей репозиторій у вашу локальну файлову систему.
• Натисніть F1 і виберіть команду Remote-Containers: Open Folder in Container....
• Виберіть клоновану копію цієї папки, зачекайте, поки контейнер запуститься, і спробуйте.

Офлайн-доступ

Ви можете запустити цю документацію офлайн, використовуючи Docsify. Форкніть цей репозиторій, встановіть Docsify на ваш локальний комп’ютер, а потім у кореневій папці цього репозиторію введіть docsify serve. Вебсайт буде доступний на порту 3000 вашого localhost: localhost:3000.

Примітка: блокноти не будуть відображатися через Docsify, тому, коли вам потрібно запустити блокнот, зробіть це окремо у VS Code, використовуючи ядро Python.

Інші навчальні програми

Наша команда створює інші навчальні програми! Ознайомтеся з:

• Edge AI для початківців
• AI Agents для початківців
• Генеративний AI для початківців
• Генеративний AI для початківців .NET
• Генеративний AI з JavaScript
• Генеративний AI з Java
• AI для початківців
• Data Science для початківців
• Bash для початківців
• ML для початківців
• Кібербезпека для початківців
• Web Dev для початківців
• IoT для початківців
• Машинне навчання для початківців
• Розробка XR для початківців
• Опанування GitHub Copilot для парного програмування з AI
• Розробка XR для початківців
• Опанування GitHub Copilot для розробників C#/.NET
• Виберіть свою пригоду з Copilot

Отримання допомоги

Якщо ви застрягли або маєте запитання щодо створення AI-додатків, приєднуйтесь:

Якщо у вас є відгуки про продукт або помилки під час створення, відвідайте:

---

Відмова від відповідальності:
Цей документ був перекладений за допомогою сервісу автоматичного перекладу Co-op Translator. Хоча ми прагнемо до точності, будь ласка, майте на увазі, що автоматичні переклади можуть містити помилки або неточності. Оригінальний документ на його рідній мові слід вважати авторитетним джерелом. Для критичної інформації рекомендується професійний людський переклад. Ми не несемо відповідальності за будь-які непорозуміння або неправильні тлумачення, що виникають внаслідок використання цього перекладу.